Please use this identifier to cite or link to this item:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17964
Title: | Ανίχνευση Phishing URLs με χρήση Μηχανικής Μάθησης |
Authors: | Ρούσσης, Δημήτριος Σουλιώτης, Παναγιώτης Σταφυλοπάτης Ανδρέας-Γεώργιος |
Keywords: | ανίχνευση phishing url μηχανική μάθηση νευρωνικά δίκτυα τυχαία δάση ενίσχυση κλίσης βαθιά μάθηση k-nearest neighbors multi-layer perceptron convolutional neural networks voting scheme web application |
Issue Date: | 24-Jun-2021 |
Abstract: | Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη του φαινομένου του Phishing με χρήση Μηχανικής Μάθησης. Αρχικά, συλλέγουμε ενεργά URLs από διάφορες ανοιχτές πηγές, από τα οποία εξάγουμε τα χαρακτηριστικά που τα περιγράφουν. Με τον τρόπο αυτό δημιουργούμε το σύνολο δεδομένων που θα χρησιμοποιηθεί για την εκπαίδευση και την αξιολόγηση της ικανότητας διαφόρων αλγορίθμων επιβλεπόμενης μηχανικής μάθησης και αρχιτεκτονικών βαθιάς μάθησης, να διακρίνουν τα legitimate URLs από τα phishing. Κατόπιν, τα μοντέλα μηχανικής μάθησης που θεωρούνται κατάλληλα για την επίλυση του προβλήματος (Αλγόριθμος k-Κοντινότερων Γειτόνων, Πολυστρωματικό Perceptron, Τυχαία Δάση, Ενίσχυση Κλίσης, Συνελικτικά Νευρωνικά Δίκτυα), δίνουν προβλέψεις για την ταξινόμηση οποιουδήποτε URL. Η ανάπτυξη ενός επιτυχημένου σχήματος ψηφοφορίας συνδυάζει τις επιμέρους προβλέψεις προσφέροντας μια ολοκληρωμένη τελική πρόβλεψη. Τέλος, δημιουργούμε μια διαδικτυακή εφαρμογή που ενσωματώνει το σύστημα πρόβλεψης, ανιχνεύοντας αν το URL που εισάγει ο χρήστης είναι phishing. |
URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17964 |
Appears in Collections: | Διπλωματικές Εργασίες - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
roussis_souliotis_diploma_thesis.pdf | 3.79 MB | Adobe PDF | View/Open |
Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.